@ARTICLE{Davodi, author = {Davodi, Nafiseh and Raissi, Sadigh and }, title = {Forecasting Model for Annual Drug Demand in Iran}, volume = {22}, number = {3}, abstract ={مقدمه: تحلیل مقدار فروش داروهای مصرفی کشور نقش مهمی در تأمین تقاضای داروی کشور در گروه‌های درمانی مختلف دارد. دراین‌بین مهم‌ترین چالش فرارو، روش‌های متداول و تجربی پیش‌بینی صنعت دارو است. هدف پژوهش حاضر بررسی کارایی دو روش پیشنهادی شبکه عصبی مصنوعی و برازش منحنی در مقایسه با روش متداول نرخ رشد مرکب است. روش ها: پس از تجمیع داده‌های 17 سال فروش محصولات دارویی (از سال 1379 تا 1395) و اعمال اصلاحات لازم ازهر سه روش یادشده جهت پیش‌بینی استفاده شد. سپس با شاخص متداول جذر میانگین مربعات خطاهای پیش‌بینی، کارایی سه روش مقایسه شده است. یافته‌‎ها: پس از بررسی حدود 2200 محصول ژنریک دارویی و شناسایی 17 گروه‌درمانی اصلی با استفاده از سه روش یادشده، فروش ریالی ۱۷ گروه‌درمانی برای سال‌های ۱۳۹۷ و ۱۳۹۸ پیش‌بینی شد و درصد خطای فروش سالیانه محاسبه‌شده برای دو روش شبکه عصبی مصنوعی و برازش منحنی در سال‌های 1379 تا 1395 به ترتیب برای ۱۱ سال (از 13 سال محاسبه شده با روش شبکه عصبی) و ۱۵ سال (از 17 سل محاسبه شده با روش برازش منحنی) کمتر از هفت درصد، گزارش شد. نتیجه‌گیری: نتایج پژوهش نشان داد که به‌کارگیری روش شبکه عصبی و برازش منحنی در پیش‌بینی میزان فروش ریالی دارو همواره عملکرد بهتری از روش مرسوم دارد و در مواقعی که سوابق داده‌های تجربی گذشته برای فروش دارو کم است، روش برازش منحنی کارایی بهتری دارد اما با داده‌های ورودی بیشتر، روش شبکه عصبی کارایی بهتری نسبت به دو روش دیگر خواهد داشت. }, URL = {http://jha.iums.ac.ir/article-1-3025-fa.html}, eprint = {http://jha.iums.ac.ir/article-1-3025-fa.pdf}, journal = {Journal of Health Administration}, doi = {}, year = {2019} }